Eş zamanlı kemoradyoterapi uygulanan küçük hücreli dışı akciğer kanseri olgularında radyasyon pnömonitisi tanısında yapay zeka tabanlı yöntemlerin rolü
The role of artificial intelligence- based methods in the diagnosis of radiation pneumonitis in patients with non-small cell lung cancer undergoing concurrent chemoradiotherapy
- Tez No: 1022652
- Danışmanlar: PROF. DR. ALİ KADRİ ÇIRAK
- Tez Türü: Tıpta Uzmanlık
- Konular: Göğüs Hastalıkları, Chest Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İzmir Dr. Suat Seren Göğüs Hastalıkları ve Cerrahisi Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Göğüs Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, eş zamanlı kemoradyoterapi uygulanan küçük hücreli dışı akciğer kanseri hastalarında radyasyon pnömonitisinin tanınmasında yapay zekâ tabanlı yöntemlerin tanısal performansını değerlendirmek ve klinik karar destek sistemi olarak kullanılabilirliğini araştırmaktır. Gereç ve Yöntem: Bu retrospektif çalışmaya, 2019–2024 yılları arasında eş zamanlı kemoradyoterapi uygulanan ve çalışma kriterlerini karşılayan 207 küçük hücreli dışı akciğer kanseri hastası dahil edildi. Hastaların demografik, klinik, radyolojik ve radyoterapiye ait dozimetri verileri ile tedavi öncesi ve sonrası toraks BT görüntüleri değerlendirildi. Tedavi öncesi ve sonrası toraks BT görüntüleri ön işleme, hizalama ve segmentasyon basamaklarından geçirilerek klinik verilerle bütünleştirildi ve radyasyon pnömonitisinin tanınmasına yönelik derin öğrenme tabanlı multimodal bir yapay zekâ modeli geliştirildi. Model performansını artırmak amacıyla sınıf dengesizliğini azaltmaya, aşırı öğrenmeyi önlemeye ve özellik seçimini optimize etmeye yönelik çeşitli eğitim stratejileri uygulandı. İstatistiksel analizlerde tanımlayıcı istatistikler, parametrik ve parametrik olmayan karşılaştırma testleri, kategorik veri analizleri, ROC analizi ile tek ve çok değişkenli regresyon analizleri kullanıldı. Bulgular: Radyasyon pnömonitisi gelişen olgularda vücut ağırlığı, sentrilobüler amfizem sıklığı ve paklitaksel bazlı kemoterapi kullanım oranı anlamlı olarak daha yüksek bulundu (sırasıyla p=0,017, p=0,013 ve p=0,030). Ayrıca V5, V10, V20 ve ortalama akciğer dozu (MLD) değerleri radyasyon pnömonitisi gelişen olgularda anlamlı düzeyde yüksek saptandı (tümü p<0,05). Beş katlı çapraz doğrulama analizinde modelin eğitim sürecinin kararlı olduğu gösterildi ve TabNet tabanlı yapay zekâ modeli, karşılaştırılan makine öğrenmesi ve derin öğrenme yöntemleri arasında en yüksek performansı sergileyerek test veri setinde 0,752 AUC ve 0,651 F1 skoru elde etti. Sonuç: Geliştirilen TabNet tabanlı yapay zekâ modeli, radyasyon pnömonitisinin tanınmasında karşılaştırılan modeller arasında en yüksek performansı göstermiş olup klinik karar destek sistemi olarak kullanılabilecek potansiyele sahiptir. Radyasyon pnömonitisi gelişiminde V5, V10, V20 ve ortalama akciğer dozu gibi dozimetri parametreleri, paklitaksel bazlı kemoterapi uygulanması ve sentrilobüler amfizem varlığı anlamlı risk faktörleri olarak belirlendi. Daha geniş örneklemli, çok merkezli ve moleküler verileri de içeren çalışmalarla modelin doğrulanmasının klinik uygulamaya katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
Objective: The aim of this study was to evaluate the diagnostic performance of artificial intelligence (AI)-based methods for the detection of radiation pneumonitis (RP) in patients with non-small cell lung cancer (NSCLC) undergoing concurrent chemoradiotherapy (CCRT) and to investigate their potential applicability as a clinical decision support system. Materials and Methods: This retrospective study included 207 patients with NSCLC who underwent concurrent chemoradiotherapy between 2019 and 2024 and met the predefined eligibility criteria. Demographic, clinical, radiological, and radiotherapy dosimetric data, together with pre-treatment and post-treatment thoracic computed tomography (CT) images, were collected and analyzed. A deep learning-based multimodal AI model was developed for RP detection by integrating clinical data with preprocessed, registered, and segmented thoracic CT images obtained before and after treatment. To improve model performance, several optimization strategies, including class imbalance handling, overfitting prevention, attention mechanisms, and feature selection, were implemented. Statistical analyses included descriptive statistics, parametric and non-parametric comparative tests, categorical data analyses, receiver operating characteristic (ROC) curve analysis, and univariate and multivariate regression analyses. Results: Patients who developed radiation pneumonitis had significantly higher body weight, a higher prevalence of centrilobular emphysema, and a higher rate of paclitaxel-based chemotherapy use compared with those who did not develop radiation pneumonitis (p=0.017, p=0.013, and p=0.030, respectively).In addition, dosimetric parameters, including V5, V10, V20, and mean lung dose (MLD), were significantly higher in patients with RP (all p<0.05). Five-fold cross-validation demonstrated stable model convergence during training. Among the evaluated machine learning and deep learning models, the TabNet-based AI model achieved the highest diagnostic performance, with a test area under the curve (AUC) of 0.752 and an F1 score of 0.651. Conclusion: The proposed TabNet-based AI model demonstrated the best diagnostic performance among the evaluated algorithms for detecting radiation pneumonitis and showed promising potential as a clinical decision support tool. Dosimetric parameters (V5, V10, V20, and MLD), paclitaxel-based chemotherapy, and the presence of centrilobular emphysema were identified as significant risk factors for RP. Further validation in larger, multicenter cohorts incorporating molecular data is warranted to facilitate the clinical implementation of this model.
Benzer Tezler
- Lokal ileri evre ( TNM IIIA-B ve C küçük hücre dışı akciğer kanseri olgularında kronik obstrüktif akciğer hastalığı varlığının sağkalım ve tedavi başarısı üzerine etkisinin incelenmesi
The impact of chronic obstructive pulmonary disease on survival and treatment outcomes in patients with locally advanced (TNM stage IIIA–B and C) non-small cell lung cancer
İREM TURAN
Tıpta Uzmanlık
Türkçe
2025
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. ÜLKÜ YILMAZ
- Küratif radyoterapi ve kemoterapi alan küçük hücreli dışı akciğer kanserli olgularda moleküler prognostik faktörler
Molecular prognostic factors in subjects with non small cell lung cancer and receiving curative radiotherapy and chemotherapy
GÖZDE İŞCAN
Tıpta Uzmanlık
Türkçe
2010
OnkolojiEge ÜniversitesiRadyoloji Onkolojisi Ana Bilim Dalı
PROF. DR. SERDAR ÖZKÖK
- Küçük hücreli dışı akciğer kanserli olgularda 6. TNM ve 7. TNM evrelemesinin prognostik olarak karşılaştırılması
The prognostic comparison of 6. TNM and 7. TNM staging system in non-small cell lung cancer
GÜLSÜM SİBEL KAYALI
Tıpta Uzmanlık
Türkçe
2012
Göğüs HastalıklarıGazi ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. AHMET SELİM YURDAKUL
- Küçük hücreli dışı akciğer kanserli olgularda radyoterapiye yanıt ile serum VEGF ve GM-CSF düzeyleri arasındaki ilişki
Non-small cell lung cancer patients with radiation response of serum VEGF and GM-CSF levels between
EYLEM ODABAŞI
Tıpta Uzmanlık
Türkçe
2010
OnkolojiOndokuz Mayıs ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
YRD. DOÇ. DR. A. DENİZ MEYDAN
- Evre III küçük hücreli dışı akciğer kanserleri tedavisinde indüksiyon kemoterapiyi takiben kemoradyoterapi uygulanan hastalar ile başlangıçta kemoradyoterapi uygulanan hastalarda nüks paternlerinin karşılaştırılması
Comparison of recurrence patterns in patients receiving chemoradiotherapy following induction chemotherapy and patients receiving chemoradiotherapy initially in the treatment of stage III non-small cell lung cancers
OĞUZHAN İŞÇİ
Tıpta Uzmanlık
Türkçe
2025
Radyasyon OnkolojisiDicle ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAVAŞ TOPUK